利用Python破解驗(yàn)證碼實(shí)例詳解
一、前言
本實(shí)驗(yàn)將通過一個(gè)簡(jiǎn)單的例子來講解破解驗(yàn)證碼的原理,將學(xué)習(xí)和實(shí)踐以下知識(shí)點(diǎn):
Python基本知識(shí)
PIL模塊的使用
二、實(shí)例詳解
安裝 pillow(PIL)庫:
$ sudo apt-get update $ sudo apt-get install python-dev $ sudo apt-get install libtiff5-dev libjpeg8-dev zlib1g-dev \ libfreetype6-dev liblcms2-dev libwebp-dev tcl8.6-dev tk8.6-dev python-tk $ sudo pip install pillow
下載實(shí)驗(yàn)用的文件:
$ wget http://labfile.oss.aliyuncs.com/courses/364/python_captcha.zip $ unzip python_captcha.zip $ cd python_captcha
這是我們實(shí)驗(yàn)使用的驗(yàn)證碼 captcha.gif
提取文本圖片
在工作目錄下新建 crack.py 文件,進(jìn)行編輯。
#-*- coding:utf8 -*- from PIL import Image im = Image.open("captcha.gif") #(將圖片轉(zhuǎn)換為8位像素模式) im = im.convert("P") #打印顏色直方圖 print im.histogram()
輸出:
[0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0 , 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 2, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 2, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 2, 1, 0, 0, 0, 2, 0, 0, 0, 0, 1, 0, 1, 1, 0, 0 , 1, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 1, 2, 0, 0, 0, 1, 2, 0, 1, 0, 0, 1, 0, 2, 0, 0, 1, 0, 0, 2, 0, 0, 0, 0, 0, 0, 0, 0, 1, 0, 1, 0, 1, 0, 3, 1, 3, 3, 0, 0, 0, 0, 0, 0, 1, 0, 3, 2, 132, 1, 1, 0, 0, 0, 1, 2, 0, 0, 0, 0, 0, 0, 0, 15, 0 , 1, 0, 1, 0, 0, 8, 1, 0, 0, 0, 0, 1, 6, 0, 2, 0, 0, 0, 0, 18, 1, 1, 1, 1, 1, 2, 365, 115, 0, 1, 0, 0, 0, 135, 186, 0, 0, 1, 0, 0, 0, 116, 3, 0, 0, 0, 0, 0, 21, 1, 1, 0, 0, 0, 2, 10, 2, 0, 0, 0, 0, 2, 10, 0, 0, 0, 0, 1, 0, 625]
顏色直方圖的每一位數(shù)字都代表了在圖片中含有對(duì)應(yīng)位的顏色的像素的數(shù)量。
每個(gè)像素點(diǎn)可表現(xiàn)256種顏色,你會(huì)發(fā)現(xiàn)白點(diǎn)是最多(白色序號(hào)255的位置,也就是最后一位,可以看到,有625個(gè)白色像素)。紅像素在序號(hào)200左右,我們可以通過排序,得到有用的顏色。
his = im.histogram() values = {} for i in range(256): values[i] = his[i] for j,k in sorted(values.items(),key=lambda x:x[1],reverse = True)[:10]: print j,k
輸出:
255 625 212 365 220 186 219 135 169 132 227 116 213 115 234 21 205 18 184 15
我們得到了圖片中最多的10種顏色,其中 220 與 227 才是我們需要的紅色和灰色,可以通過這一訊息構(gòu)造一種黑白二值圖片。
#-*- coding:utf8 -*- from PIL import Image im = Image.open("captcha.gif") im = im.convert("P") im2 = Image.new("P",im.size,255) for x in range(im.size[1]): for y in range(im.size[0]): pix = im.getpixel((y,x)) if pix == 220 or pix == 227: # these are the numbers to get im2.putpixel((y,x),0) im2.show()
得到的結(jié)果:
提取單個(gè)字符圖片
接下來的工作是要得到單個(gè)字符的像素集合,由于例子比較簡(jiǎn)單,我們對(duì)其進(jìn)行縱向切割:
inletter = False foundletter=False start = 0 end = 0 letters = [] for y in range(im2.size[0]): for x in range(im2.size[1]): pix = im2.getpixel((y,x)) if pix != 255: inletter = True if foundletter == False and inletter == True: foundletter = True start = y if foundletter == True and inletter == False: foundletter = False end = y letters.append((start,end)) inletter=False print letters
輸出:
[(6, 14), (15, 25), (27, 35), (37, 46), (48, 56), (57, 67)]
得到每個(gè)字符開始和結(jié)束的列序號(hào)。
import hashlib import time count = 0 for letter in letters: m = hashlib.md5() im3 = im2.crop(( letter[0] , 0, letter[1],im2.size[1] )) m.update("%s%s"%(time.time(),count)) im3.save("./%s.gif"%(m.hexdigest())) count += 1
(接上面的代碼)
對(duì)圖片進(jìn)行切割,得到每個(gè)字符所在的那部分圖片。
AI 與向量空間圖像識(shí)別
在這里我們使用向量空間搜索引擎來做字符識(shí)別,它具有很多優(yōu)點(diǎn):
- 不需要大量的訓(xùn)練迭代
- 不會(huì)訓(xùn)練過度
- 你可以隨時(shí)加入/移除錯(cuò)誤的數(shù)據(jù)查看效果
- 很容易理解和編寫成代碼
- 提供分級(jí)結(jié)果,你可以查看最接近的多個(gè)匹配
- 對(duì)于無法識(shí)別的東西只要加入到搜索引擎中,馬上就能識(shí)別了。
當(dāng)然它也有缺點(diǎn),例如分類的速度比神經(jīng)網(wǎng)絡(luò)慢很多,它不能找到自己的方法解決問題等等。
向量空間搜索引擎名字聽上去很高大上其實(shí)原理很簡(jiǎn)單。拿文章里的例子來說:
你有 3 篇文檔,我們要怎么計(jì)算它們之間的相似度呢?2 篇文檔所使用的相同的單詞越多,那這兩篇文章就越相似!但是這單詞太多怎么辦,就由我們來選擇幾個(gè)關(guān)鍵單詞,選擇的單詞又被稱作特征,每一個(gè)特征就好比空間中的一個(gè)維度(x,y,z 等),一組特征就是一個(gè)矢量,每一個(gè)文檔我們都能得到這么一個(gè)矢量,只要計(jì)算矢量之間的夾角就能得到文章的相似度了。
用 Python 類實(shí)現(xiàn)向量空間:
import math class VectorCompare: #計(jì)算矢量大小 def magnitude(self,concordance): total = 0 for word,count in concordance.iteritems(): total += count ** 2 return math.sqrt(total) #計(jì)算矢量之間的 cos 值 def relation(self,concordance1, concordance2): relevance = 0 topvalue = 0 for word, count in concordance1.iteritems(): if concordance2.has_key(word): topvalue += count * concordance2[word] return topvalue / (self.magnitude(concordance1) * self.magnitude(concordance2))
它會(huì)比較兩個(gè) python 字典類型并輸出它們的相似度(用 0~1 的數(shù)字表示)
將之前的內(nèi)容放在一起
還有取大量驗(yàn)證碼提取單個(gè)字符圖片作為訓(xùn)練集合的工作,但只要是有好好讀上文的同學(xué)就一定知道這些工作要怎么做,在這里就略去了??梢灾苯邮褂锰峁┑挠?xùn)練集合來進(jìn)行下面的操作。
iconset目錄下放的是我們的訓(xùn)練集。
最后追加的內(nèi)容:
#將圖片轉(zhuǎn)換為矢量 def buildvector(im): d1 = {} count = 0 for i in im.getdata(): d1[count] = i count += 1 return d1 v = VectorCompare() iconset = ['0','1','2','3','4','5','6','7','8','9','0','a','b','c','d','e','f','g','h','i','j','k','l','m','n','o','p','q','r','s','t','u','v','w','x','y','z'] #加載訓(xùn)練集 imageset = [] for letter in iconset: for img in os.listdir('./iconset/%s/'%(letter)): temp = [] if img != "Thumbs.db" and img != ".DS_Store": temp.append(buildvector(Image.open("./iconset/%s/%s"%(letter,img)))) imageset.append({letter:temp}) count = 0 #對(duì)驗(yàn)證碼圖片進(jìn)行切割 for letter in letters: m = hashlib.md5() im3 = im2.crop(( letter[0] , 0, letter[1],im2.size[1] )) guess = [] #將切割得到的驗(yàn)證碼小片段與每個(gè)訓(xùn)練片段進(jìn)行比較 for image in imageset: for x,y in image.iteritems(): if len(y) != 0: guess.append( ( v.relation(y[0],buildvector(im3)),x) ) guess.sort(reverse=True) print "",guess[0] count += 1
得到結(jié)果
一切準(zhǔn)備就緒,運(yùn)行我們的代碼試試:
python crack.py
輸出
(0.96376811594202894, '7') (0.96234028545977002, 's') (0.9286884286888929, '9') (0.98350370609844473, 't') (0.96751165072506273, '9') (0.96989711688772628, 'j')
是正解,干得漂亮。
總結(jié)
以上就是這篇文章的全部內(nèi)容了,希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作能帶來一定的幫助,如果有疑問大家可以留言交流。
- Python爬蟲模擬登錄帶驗(yàn)證碼網(wǎng)站
- python實(shí)現(xiàn)發(fā)送和獲取手機(jī)短信驗(yàn)證碼
- Python使用selenium實(shí)現(xiàn)網(wǎng)頁用戶名 密碼 驗(yàn)證碼自動(dòng)登錄功能
- python selenium UI自動(dòng)化解決驗(yàn)證碼的4種方法
- python驗(yàn)證碼識(shí)別的實(shí)例詳解
- Python爬蟲爬驗(yàn)證碼實(shí)現(xiàn)功能詳解
- python下調(diào)用pytesseract識(shí)別某網(wǎng)站驗(yàn)證碼的實(shí)現(xiàn)方法
- python 圖片驗(yàn)證碼代碼
- Python驗(yàn)證碼識(shí)別處理實(shí)例
- python3 pillow模塊實(shí)現(xiàn)簡(jiǎn)單驗(yàn)證碼
相關(guān)文章
Python的collections模塊中namedtuple結(jié)構(gòu)使用示例
namedtuple顧名思義,就是名字+元組的數(shù)據(jù)結(jié)構(gòu),下面就來看一下Python的collections模塊中namedtuple結(jié)構(gòu)使用示例2016-07-07一文解密Python中_getattr_和_getattribute_的用法與區(qū)別
這篇文章主要為大家詳細(xì)介紹了Python中_getattr_和_getattribute_的用法與區(qū)別,文中通過一些簡(jiǎn)單的示例為大家進(jìn)行了講解,需要的可以參考一下2023-01-01python神經(jīng)網(wǎng)絡(luò)MobileNetV3?large模型的復(fù)現(xiàn)詳解
這篇文章主要為大家介紹了python神經(jīng)網(wǎng)絡(luò)MobileNetV3?large模型的復(fù)現(xiàn)詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步,早日升職加薪2022-05-05